[发明专利]一种火灾检测方法、装置、设备及存储介质

说明书

本申请公开了一种火灾检测方法、装置、设备及存储介质，包括：获取待检测区域的画面数据；利用基于机器学习算法的检测模型对所述画面数据进行检测，以生成所述画面数据对应的火灾画面可信度值，得到目标可信度；获取所述待检测区域的环境温度，以得到目标环境温度；判断所述目标可信度是否大于预设可信度阈值且所述目标环境温度是否大于预设温度阈值，若是，则判定所述待检测区域发生火灾。本申请通过使用基于人工智能的可见光图像分析配合环境温度测量的方法来进行火灾检测，在一定程度上提高了火灾检测的准确率。

技术领域

本发明涉及火灾防范技术领域，特别涉及一种火灾检测方法、装置、设备及存储介质。

背景技术

在各种灾害中，火灾是最经常、最普遍地威胁公众安全和社会发展的主要灾害之一，提前对可能发生的火灾进行监测和防控能极大程度减少火灾带来的危害和损失。传统的方法多根据RGB(R表示红色，G表绿色，B表示蓝色)、HIS(H表示色调，I表示强度或亮度，S表示颜色饱和度)设置阈值条件判断火灾，或者是仅通过红外设备来判断火灾，由于环境中的温度、空气中的灰尘等对于光亮或者抛光的金属表面的测温读数影响较大，利用红外测温判断火灾易受周围环境的影响，近几年，基于视频监控平台的图像型火灾检测技术不断发展，相较于基于温度、烟雾等火灾参数传感器的传统火灾检测技术，其检测反应迅速、检测精确度相对较高。然而，尽管通过机器学习的方法在经过大量数据训练后可以得到准确率以及鲁棒性较高的模型以用于火灾检测，但单一的仅通过图像仍然存在误检测的情况，同时，单纯基于红外热成像技术来判定火灾也存在误判的可能。

发明内容

有鉴于此，本发明的目的在于提供一种火灾检测方法、装置、设备及存储介质，能够同时对图像和温度进行双重检验，进而判断是否发生火灾，有效提高了火灾检测的准确度。其具体方案如下：

本申请的第一方面提供了一种火灾检测方法，包括：

获取待检测区域的画面数据；

利用基于机器学习算法的检测模型对所述画面数据进行检测，以生成所述画面数据对应的火灾画面可信度值，得到目标可信度；

获取所述待检测区域的环境温度，以得到目标环境温度；

判断所述目标可信度是否大于预设可信度阈值且所述目标环境温度是否大于预设温度阈值，若是，则判定所述待检测区域发生火灾。

可选的，所述画面数据包括所述待检测区域的视频流和/或所述待检测区域的图像数据。

可选的，所述利用基于机器学习算法的检测模型对所述画面数据进行检测，以生成所述画面数据对应的火灾画面可信度值，得到目标可信度，包括：

利用YOLO检测模型对所述画面数据进行检测，以生成所述画面数据对应的火灾画面可信度值，得到目标可信度。

可选的，所述利用YOLO检测模型对所述画面数据进行检测之前，还包括：

获取火灾图片，并将所述火灾图片进行标注，以得到火灾训练数据集；

利用所述火灾训练数据集，对基于YOLO算法构建的空白模型进行训练，以得到所述YOLO检测模型。

可选的，所述获取所述待检测区域的环境温度，以得到目标环境温度，包括：

利用温度传感器获取所述待检测区域的环境温度，以得到目标环境温度。

可选的，所述利用温度传感器获取所述待检测区域的环境温度，以得到目标环境温度，包括：

利用红外温度传感器获取所述待检测区域的红外热成像图；

读取所述红外热成像图中不同区域的环境温度，并输出所述不同区域的环境温度中的最大值，以得到目标环境温度。